Deep Learning

인간의 Perceptron을 흉내내어서, 그 Perceptron을 여러 Layer로 쌓아 만든 Machine Learning model.

보통 "deep and narrow"하게, 즉 여러 layer를 많이 쌓아 만든 것이 성능이 좋다고 알려져 있다.

Representation Learning 이라고도 불리는데, 이렇게 여러 layer를 거치면서 그 layer에 따라 데이터의 특징을 점차 표현하게 된다고 보기 때문이다.
End-to-End Learning이라고도 하는데, 입력(end)과 출력(end)만 정해지면, 그 사이의 layer는 스스로 알아서 학습하게 하는 방식이므로 이렇게 불리기도 한다.

인공 신경망(ANN)

각각의 Layer끼리 연결된 구조. 입력층, 은닉층, 출력층으로 구성. 이러한 층들이 바로 앞의 층과 서로 연결되어 있는 것을 **전결합층(fully-connected layer)**이라 한다.

심층 신경망(DNN, Deep Neural Network): 여러 층으로 구성된 인공 신경망.

이를 학습하는 과정이 바로 딥러닝(Deep Learnning) 이다. Machine Learning의 하위 범주이다. 여러 Layer를 지나면서 신호 세기가 변하게 된다.

img_Deep Learning-1

각 Layer는 가중치(weight)가 전달된 신호값에 곱해지고, 편향(bias)을 더해 전달한다.

**역치(Actionpotential)**를 넘겨야만, 한 뉴런에서 다른 뉴런으로 신호가 전달된다. 이를 위한 방법으로 Activation Function를 이용한다.